以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Evaluating human-AI co-design requires testing whether coding agents can translate real users' multimodal requests into working application revisions. We introduce Co-Design Bench, a reference-free benchmark of 273 tasks curated from 37,463 deduplicated queries across 26,314 real user coding sessions. Its two tracks, M
阅读原文 · Xilin Wei, Shengyuan Ding, Xinyu Fang, Tiancheng Gu, Yuchi Wang, Zhixun Li, Ziyu Liu, Yuhang Zang, Weixiang Yu, Cheng Lu, Chonggao Sun, Tong Zhou, Dahua Lin, Hang Zhang, Shuai Bai, Dayiheng Liu
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看的地方，是它把评测从“模型能不能写对一段代码”挪到了“模型能不能接住真实用户的多模态改动需求”。 真实场景里，用户往往丢一张截图、一段录音、一句“就照这个改”，然后期待应用真的能跑起来。Co-Design Bench 想测的就是这个。 论文来自 Hugging Face 每日论文，原文链接、PDF、Hugging Face 都在。 这篇论文想解...